Ajuste fino (Fine-tuning)
Entrenamiento adicional a partir de un modelo existente: generalmente con menos datos y un objetivo más específico que el preentrenamiento.
El ajuste fino adapta un modelo preentrenado, a menudo un gran modelo de lenguaje (LLM) con arquitectura transformer, hacia un dominio, tono, política de herramientas o cabeza clasificadora con pares etiquetados especializados.
Suele ir después del entrenamiento a gran escala (preentrenamiento) y antes del despliegue en inferencia. Es más económico que entrenar desde cero si ya hay una base sólida; el sesgo en los datos de ajuste fino puede acumularse. Etapas como RLHF suelen incluir afinación tras aprendizaje supervisado en pares fijos.